第四讲图像预处理.pptVIP

* [1]从x轴到点(x,y)的角度 * [1]成像过程的每个环节都会引起退化。是图像处理的重要内容，有时起关键作用：研究月球、火星所获得的的照片、监控电视图像的辨认。 * [1] 特殊的法则，有时需要先对退化过程建模 * [1]相对的。 * [1] 电子稳相 * [1] 这里不去证明。 1）中心系数为正值，外围为负值 2）系数之和为0 -1 -1 8 -1 -1 -1 -1 -1 -1 1/9 * 1 -1 1 8 -1 1 -1 1 1 -1 1 -1 1 1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 1/25 * 设计模板系数的原则 局部预处理—边缘增强 5 x 5模板 1 -1 1 8 -1 1 -1 1 1 -1 1 -1 1 1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 1/25 * 3 x 3 模板 -1 -1 8 -1 -1 -1 -1 -1 -1 1/9 * 常数或变化平缓的区域，结果为0或很小，图像很暗，亮度被降低了 在暗的背景上边缘被增强了 图像的整体对比度降低了 计算时会出现负值，归0处理为常见 过滤器效果的分析 高通滤波在增强了边缘的同时，丢失了图像的层次和亮度 基本高通空域滤波的缺点和问题 梯度计算由两个模板组成，第一个 求得梯度的第一项，第二个求得梯 度的第二项，然后求和，得到梯度。 两个模板称为Roberts 交叉梯度算子 z2 z8 z5 z3 z9 z6 z1 z7 z4 0 1 -1 0 -1 0 0 1 微分滤波器模板系数设计 Roberts交叉梯度算子 ?f ? |z5 - z9| + |z6 - z8| 局部预处理—边缘增强 Prewitt梯度算子——3x3的梯度模板 ?f ? |(z7 +z8 + z9) - (z1 + z2 + z3) | + |(z3 +z6 + z9) - (z1 + z4 + z7) | z2 z8 z5 z3 z9 z6 z1 z7 z4 -1 1 0 -1 1 0 -1 1 0 0 0 0 -1 -1 -1 1 1 1 局部预处理—边缘增强 Sobel梯度算子——3x3的梯度模板 ?f ? |(z7 +2z8 + z9) - (z1 + 2z2 + z3) | + |(z3 +2z6 + z9) - (z1 + 2z4 + z7) | z2 z8 z5 z3 z9 z6 z1 z7 z4 -2 2 0 -1 1 0 -1 1 0 0 0 0 -1 -1 -2 1 1 2 局部预处理—边缘增强 微分滤波器效果的分析 直接使用，与高通类似。 局部预处理—边缘增强 （2）梯度25的赋最大值255，否则赋0。 边被增强，图被二值化 微分滤波器的两种应用 （1）梯度25的赋最大值255，否则赋原值。 边被增强，背景保留 印刷中的细微层次强调。弥补图像的钝化 超声探测成象，分辨率低，边缘模糊，通过锐化来改善 图像识别中，分割前的边缘提取 图像创艺（只剩下边界的特殊图像） 目标提取、定位 锐化滤波器的主要用途 局部预处理—边缘增强 微分滤波器和高通滤波器都起锐化作用 在上式原图上乘一个扩大因子A， 有高增溢过滤： 高增溢 = A原图 – 低通 高增溢滤波器 弥补高通滤波的缺陷，在增强边和细节的同时， 不丢失原图像的低频成分。 高通滤波可看作为： 高通 = 原图 – 低通 局部预处理—边缘增强 高增溢 = A原图 – 低通 = (A – 1)原图 + （原图 – 低通） = (A – 1)原图 + 高通 当A = 1时，高增溢就是高通过滤， 当A 1 时，原图像的一部分被加到高通中。 A原图 – 低通，是印刷图像处理的重要工具。 局部预处理—边缘增强 对于 3x3的模板，设 w = 9A – 1； （高通时 w = 8）A的值决定了过滤器的特性 -1 -1 w -1 -1 -1 -1 -1 -1 1/9 * 滤波器扩大因子及模板系数设计 当 A = 1.1时，意味着把 0.1个原图像加 到基本高通上。 局部预处理—边缘增强 实际使用，高通滤波器模板很少有大于3x3的 高通及高增溢模板尺寸的选定 高通和高增溢的模板尺寸可以比3x3大。例如： 模板取7x7，高通权值为48， 其它均为-1，规整化系数为1/49 局部预处理—边缘增强 高增溢比高通的优点是：即增强了边，又保留了层次。 高增溢滤波器的效果 高增溢在增强了边的同时也增强了噪音。 局部预处理—边缘增强 局部预处理—边缘检测 3.3.3